欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

python中对正则表达式re包的简单引用方式

程序员文章站 2022-06-09 19:07:13
目录对正则表达式re包的简单引用一、re.match(pattern,string,flags=0)二、re.search(pattern,string,flags=0)三、检索和替换 re.sub(...

对正则表达式re包的简单引用

正则表达式一直是被我所忽略的东西,因为在之前的学习和开发中基本很少用到它。而且,之前学习正则表达式时感觉很懵逼,所以毅然决然的放弃了(qaq),然而出来混总归还是要还的。最近在弄日志处理时,必须用到正则表达式,这就让我不得不拿起正则表达式了。在此记录一些自己学习的笔记与案例。

在python中导入re包

import re  

一、re.match(pattern,string,flags=0)

尝试从字符串 开始 位置(看清楚,开始位置!!!)匹配一个模式。成功则返回一个match对象,失败则是none

参数说明:

  • pattern:正则表达式
  • string:字符串
  • flags:可选标志位

注:可选标志在下面简单说明

获取对象的方法:

使用group(num)  来获取对象小组内的内容。

举例:

#_*_coding:utf8_*_
import re 
str1='010-011-110'
pattern = r'\d{3}-\d{3}-\d{3}'
match = re.match(pattern,str1)
print match.group()
print match.group(0)
print match.group(1)
print match.group(2)
print match.group(3)
 
#输出为:
010-011-110
010-011-110
010
011
110

match()方法最重要的一点就是它是从字符串开始匹配的,切记这一点······我已经在这点上犯了很多错误了。

在写简单的正则表达式的时候我们可以用()来进行分组,以便于我们在后续处理中取值。后续也会谈到通过命名捕获的方式来取值。

二、re.search(pattern,string,flags=0)

跟match函数参数一样,它也是用来匹配字符串的。而最大的不同在于它可以从字符串的任意位置匹配,不像match一样,仅限于从字符串开始位置。参数跟match一样,就不做说明了,直接上例子。

#与match例子不同,001前面有很多空格
str1='    001-010-110'
#与match中的模式一样
pattern = r'\d{3}-\d{3}-\d{3}'
#若此时用match()函数,结果肯定是不匹配的。
search = re.search(pattern,str1)
print search.group()
print search.group(0)
print search.group(1)
print search.group(2)
print search.group(3)
 
#结果:
001-010-110
001-010-110
001
010
110

对于match和search,还是得说一遍,注意一个必须是从字符串开始处匹配,一个是任意位置。

三、检索和替换 re.sub()

用于替换字符串中的匹配项

re.sub(pattern,repl,string,count,flags)

参数说明:

  • pattern:正则表达式
  • repl:替换的字符串,可为一个函数
  • string:要被查找的原始字符串
  • count:被替换的次数,默认替换所有匹配项
  • flags:标志位      
#_*_coding:utf-8_*_
import re 
phone = "888-7777-6666 #好牛的号码
#删除字符串中的注释
num = re.sub(r'#.*','',phone)
print num
#删除注释和-
realphone = re.sub(r'\d','',phone)
print realphone
#结果为:
888-7777-6666
88877776666

sub函数理解起来不难,但要主要的是在repl参数的使用。repl可以为一个函数。例如:

将字符串中的数字乘以二

def double(match):
    value = int(match.group('value'))
    return str(value*2)
s='apple23efg567'
print re.sub(r'(?p<value>\d+)',double,s)
 
#结果为:
 apple46efg1134

因为repl为一个函数,所以再替换的时候会替换为函数的返回值。

注:?p<value>为正则表达式的命名捕获,在下面将会做简单记录

四、正则表达式之命名捕获

格式为: ?p<name>

在处理字符串取值时往往会用到

例子:

num = '001-010-110'
pattern = r'(\d{3})-(\d{3})-(\d{3})'
match = re.match(pattern,num)
print match.group()       #001-010-110
print match.group(1)      #001
print match.group(2)      #010
print match.group(3)      #110

在上述例子要分别获取每项的值就要使用group(num),而当正则表达式变得复杂的时候,再用num取值时,很有可能会取到错误的值。所以就提出使用命名捕获,下面为简单例子:

pattern = r'(?p<area>\d{3})-(?p<zhong>\d{3})-(?p<wei>\d{3})'
match = re.match(patter, num)
 
print match.group('area')     #001
print match.group('zhong')    #010
print match/group('wei')      #110

虽然在上述例子中使用命名捕获会将降低正则表达式的可读性,但命名捕获咋复杂的正则中,会准确获取想要的值(当然,正则肯定得写准确啊·····)

re库的正确使用姿势

前提假设:

  • 已经充分掌握pcre风格正则表达式
  • 熟读re库文档

why

正则表达式的强大已不用我赘述,python 对此的支持也是十分强大,只不过:

re.search(pattern, string, flags=0)
re.match(pattern, string, flags=0)
......

你能很麻利地使用如上所示的一系列模块级别function 吗,如果你天天用 python 搞正则匹配,相信你一定很熟练。但是如果你需要每次临时翻阅文档才能知道如何使用它,那么就要思考:是不是 api 在某种程度上设计不好了(有的语言的 pattern 极有可能不是放在首位)。

一般来说,api 的接口参数越少越好,最好的就是没有参数,调用者无脑调用,没有任何记忆负担。而 python 的 re 库,在我看来,应该至少糅合了「命令式」与「oop」两种风格,而且接口也不「最小化,正交」。

使用姿势

正确的姿势应该是:只用 oop 风格,并且完全忘记 re 库提供的一系列模块级别的 function (如 re.search, re.match等)。

首先是每次都构造出 regex 对象,然后由 regex 对象得出 match 对象,然后在 regex 对象和 match 对象上进行一系列操作。比如:

# 1. 构造
    regex = re.compile($pattern, flags)     flags是re模块的常量
 
# 2. 获取 matchobject
    m = regex.search(string)
   
# 3. 后续 matchobject 的使用
    1. 获取分组  group()    
    2. groups
    3. groupdict()

应用举例

比如我在自己构造的 pathutils 中,就是如此使用的(我非常喜欢各种各样的 utils ):

from __future__ import (absolute_import, unicode_literals) 
import re 
class pathutils(object):
    """路径操作的工具函数"""
 
    _linux_root = '/'
    _linux_path_splitor = '/'
 
    @classmethod
    def is_two_linux_path_contains(cls, path1, path2):
        """两个linux路径是否存在互相包含关系"""
 
        if path1 == cls._linux_root or path2 == cls._linux_root:
            return true
 
        path1_split = path1.split(cls._linux_path_splitor)
        path2_split = path2.split(cls._linux_path_splitor)
 
        for item1, item2 in zip(path1_split, path2_split):
            if item1 != item2:
                return false 
        return true
 
    @classmethod
    def is_valid_linux_path(cls, path):
        if not path:
            return false
 
        linux_path_regex = r'^(/[^/ ]*)+/?$' 
        return cls.is_valid_pattern(path, linux_path_regex)
 
    @classmethod
    def is_valid_windows_path(cls, path):
        if not path:
            return false
 
        windows_path_regex = r'^[a-za-z]:\\(((?![<>:"/\\|?*]).)+((?<![ .])\\)?)*$' 
        return cls.is_valid_pattern(path, windows_path_regex)
 
    @classmethod
    def is_valid_path(cls, p):
        if not p:
            return false
 
        return cls.is_valid_linux_path(p) or cls.is_valid_windows_path(p)
 
    @classmethod
    def is_valid_pattern(cls, value, pattern):
        if not value:
            return false
 
        regex = re.compile(pattern, re.unicode) 
        m = regex.match(value) 
        return true if m else false

主要的功能函数就是:

@classmethod
def is_valid_pattern(cls, value, pattern):
    if not value:
        return false 
    regex = re.compile(pattern, re.unicode) 
    m = regex.match(value) 
    return true if m else false

这样一系列流程下来,我的感受就是,re 库的接口没有需要记忆,也没有需要临时翻阅文档的地方,并且我只用这一种风格(自己熟悉的,效率总是最高的),比如 re.compile肯定只需要传一个参数(flags不是必要的),regex_obj.match/search肯定只需要传need_search_string即可。

以上为个人经验,希望能给大家一个参考,也希望大家多多支持。